ラインスキャン + AI で作るリアルタイム欠陥検出システム（汎用設計ガイド）

TL;DR（要点まとめ）

フィルム、紙、織物、ワイヤー、チューブ、金属板などの連続移動物に最適
設計初期に決めるべき：視野 (FOV)、最小検出サイズ、搬送速度、作業距離 (WD)
レンズの焦点距離で視野を決定。小さな欠陥には3〜5ピクセル以上必要
エンコーダでラインスキャンの縦軸スケールを安定化＝正確な寸法計測とAI認識が可能
一般的なフロー：カメラ → タイル化 → 前処理 → 欠陥検出（CVまたはML） → UI/出力/記録
**絞り（f値）**は f/5.6 からスタート（照明次第で調整）

ラインスキャンが向いているケース

連続した製品や材料：紙、フィルム、金属、繊維など
長尺物：電線、チューブ、押し出し材など
狭い監視エリア：縫い目、エッジ、ラベルなど
→ 一定幅を高精度で監視するのに最適です

レンズの選定方法（簡易計算式）

焦点距離の目安：

\text{Focal Length} ≒ \frac{\text{センサー幅} × \text{WD}}{\text{FOV（対象物の幅）}}

Cマウントレンズ＋センサーサイズに適したイメージサークル
絞りはまず f/5.6、光量や被写界深度に応じて f/4〜f/8 に調整
欠陥の最小サイズが 3～5ピクセル以上で写るよう設計

なぜエンコーダが必要か？

搬送速度が変動しても画像の縦軸スケール（mm/pixel）を安定化
欠陥サイズや位置を mm単位で計測可能
AIモデルが安定して認識（画像のひずみがない）

例：ラインスキャンが 0.15mm/line → 6.67 lines/mm ⇒ エンコーダも ≒6.67 pulses/mm に設定

照明（用途別の選び方）

検出対象	最適な照明方式
穴・欠け	透過照明（バックライト）
汚れ・変色	拡散照明
傷・凹凸	グレージング / ダークフィールド
反射防止	偏光フィルター推奨

※ 必ず フラットフィールド補正（ダーク・フラット画像）を実施

システム構成図（Mermaid）

flowchart TD
  A["Moving product/web"] --> B["Backlight / Top light"]
  B --> C["Line-scan camera"]
  D["Rotary encoder on roller"] -->|"A/B pulses"| C
  C --> E["NIC / Frame grabber"]
  E --> F["Acquisition service"]
  F --> G["Tile builder\n(256–512 lines + overlap)"]
  G --> H["Preprocess\n(flat-field, denoise, contrast)"]
  H --> I["Detection"]
  I --> J["Classical CV"]
  I --> K["ML model (ONNX/TensorRT)"]
  J --> L["Decision"]
  K --> L
  L --> M["PLC / Marker / Alarms"]
  L --> N["UI dashboard"]
  L --> O["Logs / Database"]

ソフトウェア処理フロー

カメラ → ライン毎に画像取得（エンコーダ同期）
数百ラインごとにタイル化（256〜512行）
前処理：ダーク補正、フラット補正、ノイズ除去、コントラスト調整など
検出処理：
- 単純パターンは OpenCV 等で
- 複雑な欠陥は ONNX形式のAIモデルを TensorRT にて推論
出力：PLCへ通知 / UIへ描画 / ログ保存（画像 + メタデータ）

ハードウェア構成例（1ライン）

ラインスキャンカメラ（例：4096 px）
Cマウントレンズ（センサーサイズに適合）
照明ユニット（透過・反射など）
インクリメンタルエンコーダ（RS-422）
産業用PC（GPU搭載推奨）
NICまたはフレームグラバーボード
PLCやUIシステムとのインターフェース

推奨仕様まとめ

項目	推奨値
欠陥のピクセル数	最低 3〜5 px
絞り値 (f-number)	f/5.6 〜 f/8
ラインレート	搬送速度 ÷ mm/line
露光時間	画像歪みなし ≒ 0.3 × mm/line ÷ 搬送速度
Encoder	RS-422、プログラム可能なPPR推奨